Ideas clave
- La misma IA produce resultados muy distintos en manos distintas.
- Quién se beneficia de la IA lo decide la capacidad, no el acceso.
- Dirigir bien la IA es una habilidad que se aprende. Está repartida de forma desigual, y se puede enseñar dentro del trabajo real.
Una persona, y luego todos los demás
Piensa en la persona de tu equipo que es brillante con la IA. Se ha construido un asistente de investigación, un flujo de trabajo de redacción, quizá un pequeño agente que le prepara las reuniones. Ahora piensa en todos los demás, que usan las mismas licencias para reescribir algún que otro correo.
La mayoría de las organizaciones tienen una o dos de esas personas por cada cien que tienen acceso. Esa sola observación explica más sobre la brecha de retorno de la IA que cualquier benchmark de modelos.
El criterio es el recurso escaso
La IA moderna es muy buena ejecutando tareas: leer, redactar, resumir, razonar paso a paso, escribir código. No es buena conociendo a tus clientes, tus excepciones o lo que de verdad importa en tu trabajo. El criterio tiene que ponerlo una persona.
Así es dirigir bien la IA:
- Saber qué partes de un trabajo encargar a la IA y cuáles conservar.
- Darle el contexto adecuado y dividir el trabajo en pasos que pueda hacer con fiabilidad.
- Revisar el resultado y darse cuenta de cuándo se equivoca con total seguridad.
- Ajustar la forma de la solución a la forma del problema: a veces un prompt sencillo, a veces un flujo de trabajo, a veces un pequeño agente.
Ese criterio es una habilidad. Está repartido de forma desigual, y se puede aprender.
Por qué se estancan los programas de acceso
La mayoría de los programas de IA son programas de acceso: licencias, un portal, una charla a la hora de comer. El acceso importa, pero se estanca rápido. Una licencia no le dice a nadie cuáles de sus tareas semanales vale la pena encargar a la IA. Un curso termina el viernes, y el trabajo del lunes es exactamente igual.
Una brecha en el trabajo, y en la vida
La IA eleva la habilidad mínima que exige el trabajo. Quienes saben dirigirla llegan más lejos; quienes solo saben consumirla se quedan atrás. Vimos el mismo patrón con la alfabetización informática. Dentro de una empresa, el riesgo es que la plantilla se divida en dos grupos y que las personas que saben dirigir la IA sean las que se van. Fuera del trabajo, se nota en la brecha entre las personas a las que la IA les facilita la vida y las que concluyen que no es para ellas.
Por eso Lucy Labs crea a Lucy, una coach de IA. No es fácil redistribuir la riqueza, pero sí se puede redistribuir la capacidad.
Los ganadores rediseñan el trabajo
Los datos de McKinsey apuntan en la misma dirección: las empresas que obtienen un beneficio real de la IA tienen casi tres veces más probabilidades de haber rediseñado cómo se hace el trabajo. Ese rediseño solo pueden hacerlo personas que entienden el trabajo desde dentro. Una presentación de estrategia no puede hacerlo. Un proveedor no puede hacerlo. Las personas que hacen el trabajo, sí.
Esa idea tiene una larga historia.
Siguiente: Ya hemos pasado por esto.
Fuentes y notas
- McKinsey & Company, «The state of AI in 2025: Agents, innovation, and transformation», noviembre de 2025 (1993 participantes, del 25 de junio al 29 de julio de 2025).
- Erik Brynjolfsson, Danielle Li y Lindsey Raymond, «Generative AI at Work», The Quarterly Journal of Economics 140(2), 2025 (5179 agentes de atención al cliente).
Fundador y CEO de Lucy Labs. Veinte años dirigiendo transformaciones empresariales a mano en grandes tecnológicas y empresas Global 2000, y ahora convirtiéndolas en software.
